Dokumenten-KI oder generative KI? Wählen Sie die Architektur, nicht den Hype

„Wir setzen KI auf unsere Dokumente an“ klingt nach einer Entscheidung. Tatsächlich sind es mindestens fünf, jede mit anderen Fehlerkosten. Unternehmen, die sie zu einer zusammenfassen, bemerken das meist erst, wenn sie einem Prüfer erklären müssen, woher eine Zahl stammt.

Die Wahl steht nicht zwischen „altem“ und „neuem“ Ansatz. Sie steht zwischen Architekturen mit unterschiedlicher Unsicherheit, angewendet auf Schritte mit unterschiedlichen Folgen. Derselbe Dokumentenprozess braucht häufig beides.

Zerlegen Sie die Aufgabe, bevor Sie ein Modell wählen

1. Annahme und Dateikontrolle

Woher das Dokument kommt, wie seine Integrität geprüft wird, wer darauf zugreift und wo es liegt. Dieser Schritt ist vollständig deterministisch und braucht kein Modell. Er entscheidet aber darüber, ob Sie später belegen können, dass das ausgewertete Dokument dasselbe ist, das eingegangen ist.

2. OCR und Layouterkennung

Bild wird zu Text mit erhaltener Position. Qualität ist hier messbar, Fehler sind von bekannter Art: verschmolzene Spalten, verrutschte Tabellen, schwache Ergebnisse bei Handschrift oder geringer Scanauflösung. Deutsche Dokumente verdienen eigene Prüfung — Umlaute, das Eszett und zusammengesetzte Fachbegriffe verhalten sich anders als englischer Fliesstext.

3. Schemagestützte Extraktion

Bestimmte Felder herausziehen: Vertragsnummer, Datum, Partei, Betrag, Währung. Das Schema ist die Einschränkung, die das Ergebnis prüfbar macht. Soll ein Feld ein Datum sein, lässt es sich als Datum validieren. Diesen Schritt unterschätzen die meisten Unternehmen — er liefert den grössten Teil des praktischen Nutzens.

4. Interpretation

Klauseln vergleichen, Kontext zusammenfassen, uneinheitliche Korrespondenz einordnen, eine Antwort vorschlagen. Hier ist ein generatives Modell am Platz, weil Sprache und Layout variieren. Hier liegt auch die gesamte Unsicherheit: Das Modell kann einen Vorbehalt auslassen, unverbundene Passagen verknüpfen oder eine Aussage formulieren, die das Dokument nicht trägt.

5. Prozess und Handlung

Was mit dem Ergebnis geschieht: Freigabe, Zahlung, Ablehnung, Eskalation. Die Folgen eines Fehlers entstehen hier, nicht im Modell. Derselbe Extraktionsfehler ist unerheblich, wenn er zu einer Prüfung führt, und erheblich, wenn er zu einer automatischen Zahlung führt.

Nutzen Sie einen hybriden Pfad, wo Folgen entstehen

Die praktische Regel ist einfach: Wo das Ergebnis rechtliche oder finanzielle Folgen hat, verwenden Sie Schema und Validierung für die Werte und ein generatives Modell nur für Interpretation, die ein Mensch prüft. Lassen Sie ein generatives Modell keine Zahlen erzeugen, die ungeprüft in eine Berechnung eingehen.

Dieser hybride Ansatz ist meist auch günstiger. Ein ganzes Dokument generativ zu verarbeiten kostet mehr als gezielte Extraktion, und bei strukturierten Feldern bleibt die schemagestützte Genauigkeit bei deutlich geringerem Aufwand höher.

Aufbewahrungspflichten ändern die Anforderung

In Deutschland und Österreich unterliegen geschäftsrelevante Unterlagen handels- und steuerrechtlichen Aufbewahrungspflichten mit mehrjährigen Fristen. Für die Architektur folgt daraus etwas Konkretes: Nicht nur das Ergebnis muss aufbewahrt werden, sondern das Ausgangsdokument in unveränderter Form — und die Verbindung zwischen beiden.

Ein System, das ein Dokument einliest, daraus Werte erzeugt und das Original anschliessend verwirft oder in veränderter Form speichert, erfüllt diese Anforderung nicht, egal wie gut die Extraktion ist. Ebenso wenig genügt es, wenn die Zuordnung zwischen erzeugtem Wert und Ursprungsstelle nur zur Laufzeit besteht und nach Abschluss des Vorgangs verloren geht.

Wo einem Dokument Beweisfunktion zukommt, bestimmt Verordnung (EU) Nr. 910/2014 den Rahmen für elektronische Signaturen und Vertrauensdienste. Generierter Text, der auf ein signiertes Dokument gesetzt wird, erbt dessen Beweiskraft nicht.

Dokumente sind Daten mit Pflichten

Enthalten die Dokumente personenbezogene Daten — und Verträge, Korrespondenz und Personalakten enthalten sie fast immer — gilt die Datenschutz-Grundverordnung vollständig: Rechtsgrundlage, Datenminimierung, Löschfristen, Betroffenenrechte. Die Orientierungshilfen der Datenschutzkonferenz und die Leitlinien des Europäischen Datenschutzausschusses sind der Ausgangspunkt der Folgenabschätzung.

Eine eigene Frage ist die Verarbeitung ausserhalb des Hauses. Wird ein externer Dienst genutzt, sind Verarbeitungsort, Unterauftragsverarbeiter und die Frage, ob Ihre Inhalte zum Training von Modellen verwendet werden, vertraglich zu klären — vor der ersten hochgeladenen Datei, nicht danach.

Zweisprachige Unterlagen sind der Regelfall

In den meisten Unternehmen des deutschsprachigen Mittelstands ist der Dokumenteneingang nicht einsprachig. Der Rahmenvertrag ist deutsch, die technischen Anlagen sind englisch, die Korrespondenz wechselt mitten im Vorgang die Sprache, und Beträge folgen unterschiedlichen Konventionen für Dezimal- und Tausendertrennzeichen. Das ist kein Grenzfall, sondern der Normalfall.

Die Folgen sind konkret. Ein Datum als 03.04.2026 und dasselbe Datum als 04/03/2026 bedeuten Verschiedenes, und ein Modell, das an englischem Material bewertet wurde, wird die deutsche Konvention gelegentlich als amerikanische lesen. Zusammengesetzte Fachbegriffe werden bei der Extraktion getrennt, wo sie ein Feld bilden sollten. Firmierungen mit Rechtsformzusatz erzeugen zwei Datensätze, wo einer gemeint war.

Praktisch heisst das: Behandeln Sie die Sprache als Feld, nicht als Hintergrund. Bestimmen Sie sie je Dokument und je Abschnitt, normalisieren Sie Datums-, Zahlen- und Namensformate in einem eigenen Schritt vor der Interpretation, und nehmen Sie gemischtsprachige Unterlagen im tatsächlichen Anteil in den Evaluierungsdatensatz auf. Sind fünfzehn Prozent des Eingangs gemischt und der Datensatz enthält kein einziges solches Dokument, beschreibt die gemessene Genauigkeit ein anderes System als das, das in Betrieb geht.

Bauen Sie den Evaluierungsdatensatz vor der Oberfläche

Der Evaluierungsdatensatz ist das Vermögenswert, der bleibt, wenn der Anbieter wechselt. Er besteht aus echten Dokumenten aus Ihrem Eingang, gerade auch den schwierigen: schlecht gescannt, zweisprachig, mit ungewöhnlichem Layout, mit handschriftlichen Ergänzungen. Zu jedem gehört eine richtige Antwort, festgelegt von jemandem, der die Sache versteht.

Hundert gut gewählte Dokumente sagen mehr als zehntausend typische. Ziel ist nicht, die durchschnittliche Leistung zu messen, sondern zu finden, wo das System versagt — und ob die Art des Versagens vom Prozess getragen wird.

Trennen Sie Quelle, Ableitung und Entscheidung

Jedes wesentliche Ergebnis muss auf die Stelle im Ausgangsdokument zeigen, aus der es stammt — Seite, Zeile, Feld. Das ist keine Bequemlichkeit für Nutzer; es ist der Unterschied zwischen einem prüfbaren System und einem, dem man nur glauben kann.

Das KI-Gesetz führt zudem Transparenzpflichten bei der Interaktion mit KI-Systemen und bei erzeugten Inhalten ein. Verlässt generierter Text das Unternehmen, muss vor dem Start geklärt sein, wer die Herkunft kennzeichnet und wie.

Gestalten Sie die Prüfung nach Folgen

Alles vollständig zu prüfen ist keine Kontrolle, sondern ein Aufwand, der mit der Zeit zur Formalie wird. Sinnvoll ist eine Abstufung: automatische Übernahme bei hoher Sicherheit und geringen Folgen, verpflichtende Prüfung bei hohen Folgen unabhängig von der Sicherheit, und Stichproben über die automatisch übernommenen Fälle durch jemanden, der an der ursprünglichen Verarbeitung nicht beteiligt war.

Die Funktionen Measure und Manage des NIST AI Risk Management Framework bieten eine brauchbare Struktur dafür, wie überwacht und wie reagiert wird.

Planen Sie Veränderung und Ausfall

Modelle ändern sich ohne Ankündigung, und die Änderung wird selten als Verhaltensänderung deklariert. Der Evaluierungsdatensatz gehört deshalb in einen wiederkehrenden Lauf, nicht nur in die Einführung. Legen Sie vorab fest, welcher Rückgang zur manuellen Bearbeitung zurückführt und wer das entscheiden darf.

Bereiten Sie auch den Rückweg vor. Fällt das System aus, kommen die Dokumente weiter. Ein Unternehmen ohne funktionierende manuelle Alternative hat keinen Prozess automatisiert, sondern eine Abhängigkeit übernommen.

Was dieser Ansatz nicht leisten kann

Keine Architektur macht ein Dokument richtiger, als es ist. Ist der Vertrag mehrdeutig oder der Scan unlesbar, erzeugt auch das beste System selbstsicher formulierte Unsicherheit. Der hybride Ansatz beseitigt zudem nicht den Bedarf an Fachleuten — er verringert ihr Arbeitsvolumen und erhöht die Anforderung an ihr Urteil.

Wenn Sie eine Architektur für einen Dokumentenprozess mit realen Folgen wählen, beginnen Sie damit, den Ansatz an Ihren Dokumenten nachzuweisen.

Dieser Beitrag ist eine Adaption des englischen Originals. Im Zweifel gilt die englische Fassung.